SWE-bench Verified (bash only) 排行榜
截至 2026年11月16日,SWE-bench Verified (bash only) 的最高分为 76.8%,由 Claude Opus 4.5(Anthropic)取得,领先于 Gemini 3 Flash(75.8%)。共有 46 个模型配置公布了结果(SWE-bench,结果日期 2026年2月17日)。SWE-bench Verified 包含 500 个来自热门 Python 仓库的真实 GitHub issue,每个都经过人工标注员筛选,确保任务描述清楚、测试公平。模型阅读 issue 并修改仓库,只有隐藏测试全部通过,补丁才算被接受。SWE-bench Verified (bash only) 计入 BenchLeader Index 的编程得分。
要点(截至 2026年11月16日)
- Claude Opus 4.5 以 76.8% 保持 SWE-bench Verified (bash only) 最高分(SWE-bench,2026年2月17日)。
- Gemini 3 Flash 以 75.8% 位列 SWE-bench Verified (bash only) 第二(SWE-bench,2026年2月17日)。
- SWE-bench Verified (bash only):使用极简 bash-only mini-SWE-agent 框架得到的 SWE-bench Verified 官方结果(SWE-bench)。
- BenchLeader 上有 46 个模型配置公布了 SWE-bench Verified (bash only) 结果(BenchLeader,2026年11月16日)。
- SWE-bench Verified (bash only) 计入 BenchLeader Index 的编程类别(BenchLeader 方法论)。
使用极简 bash-only mini-SWE-agent 框架得到的 SWE-bench Verified 官方结果。
- 发布方
- SWE-bench
- 类别
- 编程
- Index 权重
- 1.0
- 模型
- 46
- 数据截至
- 2026年11月16日
SWE-bench (Jimenez et al. 2024), swebench.com.
测试内容
SWE-bench Verified 包含 500 个来自热门 Python 仓库的真实 GitHub issue,每个都经过人工标注员筛选,确保任务描述清楚、测试公平。模型阅读 issue 并修改仓库,只有隐藏测试全部通过,补丁才算被接受。
评分方式
解决 issue 的百分比。本排行榜采用 SWE-bench 维护者自己运行的极简 mini-SWE-agent 脚手架(只用 bash),所以每个模型使用的是同一个简单的智能体循环。
注意事项
结果高度依赖智能体脚手架:同一个模型换用更完善的测试框架,得分可能高出十五分,因此另设一个任意脚手架的排行榜。所有任务都是 Python,而且这些仓库广为人知,存在一定的记忆可能。
- 1Claude Opus 4.5 (high)76.8%
- 2Gemini 3 Flash (high)75.8%
- 3MiniMax M2.5 (high)75.8%
- 4Claude Opus 4.675.6%
- 5Claude Opus 4.5 (medium)74.4%
- 6Gemini 3 Pro74.2%
- 7GPT-5.2-Codex72.8%
- 8GPT-5.2 (high)72.8%
- 9GLM-5 (high)72.8%
- 10Claude Sonnet 4.5 (high)71.4%
- 11Kimi K2.5 (high)70.8%
- 12Claude Sonnet 4.570.6%
- 13DeepSeek V3.2 (high)70.0%
- 14Gemini 3 Pro (high)69.6%
- 15GPT-5.269.0%
| # | ||||||
|---|---|---|---|---|---|---|
| 1 | 76.8% | 59.7 | mini-SWE-agent | $376.95 | 2026-02-17 | |
| 2 | 75.8% | 57.4 | mini-SWE-agent | $177.98 | 2026-02-17 | |
| 3 | 75.8% | – | mini-SWE-agent | $36.64 | 2026-02-17 | |
| 4 | 75.6% | 62.1 | mini-SWE-agent | $275.76 | 2026-02-17 | |
| 5 | 74.4% | – | mini-SWE-agent | $360.62 | 2025-11-24 | |
| 6 | 74.2% | 60.0 | mini-SWE-agent | $229.98 | 2025-11-18 | |
| 7 | 72.8% | 57.6 | mini-SWE-agent | $224.71 | 2026-02-19 | |
| 8 | 72.8% | 55.8 | mini-SWE-agent | $236.78 | 2026-02-17 | |
| 9 | 72.8% | – | mini-SWE-agent | $267.19 | 2026-02-17 | |
| 10 | 71.4% | 57.9 | mini-SWE-agent | $328.95 | 2026-02-17 | |
| 11 | 70.8% | – | mini-SWE-agent | $73.28 | 2026-02-17 | |
| 12 | 70.6% | 53.8 | mini-SWE-agent | $279.17 | 2025-09-29 | |
| 13 | 70.0% | 54.2 | mini-SWE-agent | $223.92 | 2026-02-17 | |
| 14 | 69.6% | 60.0 | mini-SWE-agent | $480.01 | 2026-02-26 | |
| 15 | 69.0% | 56.7 | mini-SWE-agent | $134.83 | 2025-12-11 | |
| 16 | 67.6% | 51.9 | mini-SWE-agent | $565.64 | 2025-08-02 | |
| 17 | 66.6% | – | mini-SWE-agent | $165.46 | 2026-02-17 | |
| 18 | 66.0% | 52.4 | mini-SWE-agent | $153.08 | 2025-11-20 | |
| 19 | 66.0% | – | mini-SWE-agent | $294.44 | 2025-11-24 | |
| 20 | 65.0% | 59.0 | mini-SWE-agent | $140.19 | 2025-08-07 | |
| 21 | 64.9% | 50.0 | mini-SWE-agent | $185.73 | 2025-07-26 | |
| 22 | 63.4% | 52.3 | mini-SWE-agent | $219.15 | 2025-12-10 | |
| 23 | 61.0% | 51.5 | mini-SWE-agent | $214.13 | 2025-11-24 | |
| 24 | 60.0% | – | mini-SWE-agent | $14.04 | 2025-12-01 | |
| 25 | 59.8% | 53.6 | mini-SWE-agent | $17.74 | 2025-08-07 | |
| 26 | 58.4% | 60.4 | mini-SWE-agent | $166.83 | 2025-07-26 | |
| 27 | 56.4% | 39.4 | mini-SWE-agent | – | 2025-12-09 | |
| 28 | 56.2% | 56.6 | mini-SWE-agent | $23.60 | 2026-02-17 | |
| 29 | 55.4% | 50.2 | mini-SWE-agent | $48.31 | 2025-12-01 | |
| 30 | 55.4% | 48.9 | mini-SWE-agent | $123.96 | 2025-08-02 | |
| 31 | 54.2% | 51.6 | mini-SWE-agent | $148.60 | 2025-08-22 | |
| 32 | 53.8% | 42.7 | mini-SWE-agent | – | 2025-12-09 | |
| 33 | 53.6% | 55.2 | mini-SWE-agent | $144.19 | 2025-07-26 | |
| 34 | 52.8% | 49.2 | mini-SWE-agent | $177.31 | 2025-07-20 | |
| 35 | 45.0% | 55.2 | mini-SWE-agent | $104.99 | 2025-07-26 | |
| 36 | 43.8% | 51.1 | mini-SWE-agent | $265.80 | 2025-08-07 | |
| 37 | 39.6% | 48.7 | mini-SWE-agent | $73.16 | 2025-07-26 | |
| 38 | 34.8% | 45.6 | mini-SWE-agent | $19.04 | 2025-08-07 | |
| 39 | 28.7% | 52.4 | mini-SWE-agent | $66.94 | 2025-07-26 | |
| 40 | 26.0% | 46.1 | mini-SWE-agent | $28.56 | 2025-08-07 | |
| 41 | 23.9% | 44.7 | mini-SWE-agent | $217.58 | 2025-07-20 | |
| 42 | 21.6% | 42.8 | mini-SWE-agent | $765.57 | 2025-07-20 | |
| 43 | 21.0% | 41.8 | mini-SWE-agent | $156.85 | 2025-07-20 | |
| 44 | 13.5% | 43.5 | mini-SWE-agent | – | 2025-07-26 | |
| 45 | 9.1% | 38.2 | mini-SWE-agent | $57.82 | 2025-07-20 | |
| 46 | 9.0% | 42.5 | mini-SWE-agent | $34.06 | 2025-08-03 |
相关基准测试
引用格式:BenchLeader,《SWE-bench Verified (bash only) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/swe_bench_verified。
SWE-bench Verified (bash only):常见问题
- SWE-bench Verified (bash only) 衡量的是什么?
- SWE-bench Verified 包含 500 个来自热门 Python 仓库的真实 GitHub issue,每个都经过人工标注员筛选,确保任务描述清楚、测试公平。模型阅读 issue 并修改仓库,只有隐藏测试全部通过,补丁才算被接受。分数以完成任务的百分比表示,越高越好。
- SWE-bench Verified (bash only) 的最高分是多少?
- 截至 2026年11月16日,SWE-bench Verified (bash only) 的最高分为 76.8%,由 Claude Opus 4.5 取得(结果日期 2026年2月17日),领先于 Gemini 3 Flash(75.8%)。分数来自 SWE-bench,每天重新读取。
- 哪个 AI 模型在 SWE-bench Verified (bash only) 上领先?
- 截至 2026年11月16日,SWE-bench Verified (bash only) 排名第一的是 Claude Opus 4.5,分数为 76.8%(结果日期 2026年2月17日)。其后为 Gemini 3 Flash(75.8%)。
- 有多少模型有 SWE-bench Verified (bash only) 结果?
- BenchLeader 上有 46 个模型配置有 SWE-bench Verified (bash only) 结果,全部取自 SWE-bench。
- SWE-bench Verified (bash only) 由谁运行,多久更新一次?
- SWE-bench Verified (bash only) 由 SWE-bench 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- SWE-bench Verified (bash only) 是否计入 BenchLeader Index?
- 计入。SWE-bench Verified (bash only) 计入 BenchLeader Index 的编程类别,并经过归一化,使参评模型的平均值为 50。